V. M. Casero Alonso, S. Pozuelo Campos, M. Amo Salas

En experimentos multi‑respuesta, las funciones cópula permiten obtener la distribución conjunta de variables respuestas observadas a partir de sus marginales. Según la estructura de correlación entre respuestas, será adecuado un tipo de cópula u otro, siendo la cópula producto la referencia para variables respuesta incorreladas.
Este trabajo estudia modelos de cópulas cuando cada respuesta sigue una distribución distinta. En este contexto, el cálculo numérico del diseño óptimo resulta costoso, por lo que se presentan resultados analíticos generales que permiten reducir dicho esfuerzo computacional. Como ilustración, se analiza un estudio de toxicidad en entornos acuáticos basado en el protocolo EPA para Ceriodaphnia Dubia. Para diferentes cópulas, se obtienen los diseños óptimos para ajustar el peso de las nuevas crías (distribución normal) y su supervivencia (distribución exponencial) en función de la dosis de tóxico.

Palabras clave: Diseño óptimo, multirespuesta, Cópula Gaussiana, Cópula FGM, Matriz de información

Programado

GT Diseño Óptimo de Experimentos
2 de septiembre de 2026  15:30
Aula 26


Otros trabajos en la misma sesión

Efecto del orden del error de la linealización en DOE

A. Muñoz del Río, V. Casero-Alonso, M. Amo-Salas

Models in medical toxicity studies and sampling strategies

J. M. Rodríguez Díaz, M. T. Santos Martín, M. I. Asensio Sevilla, I. Mariñas del Collado


Política de cookies

Usamos cookies solamente para poder idenfiticarte y autenticarte dentro del sitio web. Son necesarias para el correcto funcionamiento del mismo y por tanto no pueden ser desactivadas. Si continúas navegando estás dando tu consentimiento para su aceptación, así como la de nuestra Política de Privacidad.

Adicionalmente, utilizamos Google Analytics para analizar el tráfico del sitio web. Ellos almacenan cookies también, y puedes aceptarlas o rechazarlas en los botones de más abajo.

Aquí puedes ver más detalles de nuestra Política de Cookies y nuestra Política de Privacidad.